下载掌阅APP，畅读海量书库
立即打开
R语言是面向数据科学的编程语言，它支持多种数据类型，而且还可以根据用户的需要来定义新的数据类型。这里，我们介绍比较基本的数据类型，即数值型、逻辑型、字符型和因子型。
数值型数据是最常见的数据，如12345、99999等。我们可以使用
class
函数来探查数据的类型：
class(12345)
## [1] "numeric"
实际上，数值型数据还可以分为两种类型，即整数型（integer）和双精度型（double）。一般在R语言中输入数字，会被自动认为双精度型。我们可以使用
typeof
函数进行查看：
typeof(1)
## [1] "double"
typeof(1.0)
## [1] "double"
两者都被识别为双精度类型，如果需要声明使用的数据是整数型，那么需要在数值后面加上
L
：
typeof(1L)
## [1] "integer"逻辑型数据是用于进行条件判断的数据类型，只有两种数值，即真（TRUE）和假（FALSE），在R语言中分别可以使用T和F表示。要获得逻辑值，可以使用比较的操作符，如大于（>）、大于或等于（>=）、小于（<）、小于或等于（<=）、等于（==）、不等于（!=）。下面用代码进行演示：
1 > 0
## [1] TRUE
1 > 3
## [1] FALSE
2 == 2
## [1] TRUE
2 != 2
## [1] FALSE
4 <= 5
## [1] TRUE
逻辑型数据是
if
语句接收条件的数据类型，在R语言中用途非常广泛。可以使用
class
函数来查其数据类型：
class(1 > 0)
## [1] "logical"可以看到，显示的是逻辑型数据（logical）。需要进行特别声明的是，在R语言中缺失值（NA）的数据类型也被归为逻辑型数据，在做分析的时候需要特别注意：
class(NA)
## [1] "logical"所有文本类型的数据都属于字符型，如“abc”“复旦大学”，在R语言中需要在前后附上双引号或单引号进行定义。查看其数据类型：
class("abc")
## [1] "character"
class("复旦大学")
## [1] "character"可以看到，它们都属于字符型（character）。字符型数据也可以相互比较，一般而言我们可以使用“==”或“!=”符号来判断两个文本是不是完全一致：
"hope" == "hope"
## [1] TRUE
"hope" != "Hope"
## [1] TRUE因子型数据是R语言中非常特殊的一种数据类型，它可以被视为把字符型数据以数值型保存的特殊格式：
# 利用factor函数创造因子变量
a = factor("男")
a
## [1] 男
## Levels: 男
class(a)
## [1] "factor"
由于字符型数据往往占用内存较大，如果有很多重复的字符，那么利用数字来对字符进行标记，然后直接保存数值、数值与字符的对应关系，这样就可以节省内存。这提高了计算性能，但是也给分析带来了一些麻烦，需要额外注意。这里，我们使用
as
系列函数来进行强制类型转换，看看因子变量的字符形态和数值形态分别是什么：
as.numeric(a)
## [1] 1
as.character(a)
## [1] "男"
我们可以看到，其数值由
1
来记录，而所记录的字符则为“男”。
数据类型的判断和转换可以分别使用
is
系列函数和
as
系列函数进行实现。例如，我们要判断一个数据是否为数值型，就可以使用
is.numeric
函数进行实现：
is.numeric(12345)
## [1] TRUE
is.numeric("hello")
## [1] FALSE可以看到，返回的数据是逻辑型，告诉用户这个变量是否属于数值型。在2.3.4节中，我们尝试对因子变量进行数据类型的转换，但实际上不是所有数据都可以相互转换的。例如数值型数据都可以转换为字符型，但是字符型的变量却不能够直接转换为数值型（会返回缺失值NA，并输出警告）：
as.character(12345)
## [1] "12345"
as.numeric("hello")
## Warning: NAs introduced by coercion
## [1] NA